groupby如何对纯数值根据范围分组

可以使用pd.cut()函数对纯数值进行分组，例如：

import pandas as pd 

data = pd.DataFrame({'A': [1, 3, 5, 7, 9, 3], 'B': [0.1, 0.5, 0.2, 0.8, 0.4, 0.6]})

data['group'] = pd.cut(data['A'], bins=[0, 3, 6, 9], labels=['1-3', '4-6', '7-9'])

print(data)

以上代码会根据'A'列的数值范围将数据分成3组，其中范围为(0,3], (3,6], (6,9]，并将每组标记为'1-3'、'4-6'、'7-9'。生成的结果如下：

   A    B group
0  1  0.1   1-3
1  3  0.5   1-3
2  5  0.2   4-6
3  7  0.8   7-9
4  9  0.4   7-9
5  3  0.6   1-3

相关问题

使用group by对多个数据分组

可以使用多列进行分组，例如：

SELECT column1, column2, COUNT(*) 
FROM table 
GROUP BY column1, column2;

这将按照 column1 和 column2 的值分组，并计算每组的行数。你也可以使用其他聚合函数，如 SUM、AVG、MAX、MIN 等来计算每个分组的其他统计信息。

jupyternotebook使用groupby方法对数据进行分组

可以使用以下代码将数据按照指定的列进行分组：

import pandas as pd

df = pd.read_csv('data.csv')  # 读取数据
grouped = df.groupby('列名')  # 按照指定列进行分组

其中，`data.csv`是你的数据文件名，`列名`是你要按照哪一列进行分组的列名。使用`groupby`方法后会返回一个`GroupBy`对象，你可以对其进行各种操作，比如计算每组的平均值、求和、最大值、最小值等等。

例如，如果你想计算每个分组的平均值，可以使用以下代码：

grouped.mean()

如果你想计算每个分组的数量，可以使用以下代码：

grouped.size()

你也可以对多个列进行分组，只需要在`groupby`方法中传入一个列名列表即可。例如：

grouped = df.groupby(['列名1', '列名2'])

这样就会按照`列名1`和`列名2`两列进行分组。